[发明专利]高通量转录组数据样本分类数目估计方法

摘要

本发明涉及一种高通量转录组数据样本分类数目估计方法。首先找出差异表达基因，然后将每一个差异表达基因的表达值进行二值化转换，再对样本和差异表达基因分别进行聚类，并使用富集分析方法建立数据的二值化表达模型。对每一个给定的聚类数目，评估其相应的二值化表达模型，从而判定算法是否收敛。相对于现有技术，本发明对样本分类间相似性进行评估，能保证所得到的每一类样本都有区别于其他样本的独特特征。本发明还有很好的噪声鲁棒性，同时可以很好的降低人工判定带来的偏差。

主权项

一种高通量转录组数据样本分类数目估计方法，通过循环过程自动判断收敛，对数据聚类时的分类数目作出估计，其特征在于包括如下步骤：(一)由高通量转录组数据样本集筛选出差异表达基因，由差异表达基因的表达数据构成差异表达基因表达谱；(二)在上述差异表达基因表达谱中，对每一个差异表达基因的表达值进行二值化转换；(三)设定N的初始值为2，N为样本分类数目；(四)把样本分成N类，同时把差异表达基因分成K类，使用富集分析方法建立数据的二值化N×K表达模型矩阵；(五)分析步骤(四)得到的二值化N×K表达模型矩阵，若N类样本中有至少两类的表达谱特征相同，也就是二值化N×K表达模型矩阵中有至少两列的值完全相同，则算法收敛，此时输出N的值，N＝N‑1；否则，N＝N+1，重复步骤(四)和(五)。